企业官网建设流程全解析

AlphaFold 跑完还剩一堆文件？6 步把 PDB/MMCIF 输出和 pLDDT 分数吃透

【免费下载链接】alphafoldOpen source code for AlphaFold 2.项目地址: https://gitcode.com/GitHub_Trending/al/alphafold

刚跑完 AlphaFold，输出目录里躺着一堆名字很像的文件：该看哪个 PDB？pLDDT（predicted Local Distance Difference Test，预测局部距离差异测试）分数存在哪里？这是一份关于 AlphaFold 结果解析与 PDB（Protein Data Bank）/ MMCIF（Macromolecular Crystallographic Information File）文件处理的实操教程：从打开输出目录开始，6 步走完"挑对结构文件 → 提取 pLDDT → 查看 PAE → 可视化 → 格式转换"的完整链路，读完你就能写出可复现的解析脚本。示例代码可直接运行，只需要装biopython、numpy、matplotlib。

一、打开输出目录：AlphaFold 输出文件速览

运行 run_alphafold.py 后，--output_dir下会按序列名（即 FASTA 文件名）建一个子目录。单体默认 5 个模型副本，一次跑完会写出几十个文件，但按用途分其实就三类：

先打开目录扫一眼，第二条命令能直接看到"模型编号 → 排名"的映射：

ls output_dir/<你的序列名>/ cat output_dir/<你的序列名>/ranking_debug.json

ranking_debug.json里只有两个字段：各模型的排序置信度（plddts字段）和排序结果（order）。所以当你想回答"ranked_0 到底对应哪个 model"时，看它就行。多聚体的文件名会多一个_pred_M后缀（例如model_1_pred_0），写脚本做文件名匹配时别漏了这一点。.cif文件与.pdb一一对应，想省磁盘就只留一种，但对外提交流程两种都建议保留。

下面这张图是仓库自带的 CASP14 预测示例：蓝色是计算预测、绿色是实验结果，两者几乎完全重合——这就是 AlphaFold 在建模顺利的目标上能达到的水平。

文件在哪知道了，下一步是搞清楚该打开哪一个。

二、该看哪个 PDB：ranked、relaxed、unrelaxed 怎么选

看结构之前，先理清三套文件的关系：unrelaxed_model_N.pdb是模型的直接输出；经过 Amber 局部能量优化后得到relaxed_model_N.pdb；ranked_*系列则是前两者的排序副本。默认参数（--models_to_relax=best）只优化置信度最高的一个模型，所以另外 4 个模型的ranked_N.pdb其实是未松弛内容。

✅ 实践建议：对外上报、对接、可视化，一律默认用ranked_0.pdb；只有想对比"能量优化改了什么"时才去看unrelaxed版本。如果你只是想基于模型原始输出重新导出结构文件（比如自己算一遍其他指标），直接pickle.load读result_model_N.pkl即可，里面存着 pLDDT、PAE 等原始数组，不用重跑整个流程。

三、PDB 文件 Python 解析：用 Biopython 拿坐标和残基 🔍

现在把ranked_0.pdb打开看看里面长什么样。PDB 格式是定宽文本，每行 ATOM 记录的列位置都是固定的，几个关键列如下：

【免费下载链接】alphafoldOpen source code for AlphaFold 2.项目地址: https://gitcode.com/GitHub_Trending/al/alphafold